Программирование для проектов автоматизации — это больше, чем написание кода

Преобразование математических уравнений в код является частью разработки проектов автоматизации, использующих компьютерные решения, но также исключено из нее. Мы должны учитывать эффективность математических уравнений относительно потребностей разрабатываемого проекта. Мы также должны рассмотреть метод решения уравнений с учетом данных и времени.

Проблемы с данными, которые достигают алгоритма решения, должны быть обнаружены, проконтролированы и, по возможности, исправлены. Точное управление должно происходить на различных стадиях процесса. Ошибки, возникающие в процессе решения и реализации, должны быть обнаружены и устранены.

Это тема для книг, но, надеюсь, мыслительный процесс можно будет продвинуть с помощью нескольких сотен слов.

Во-первых, имейте в виду, что не все, что мы не делаем специально детерминированным, по умолчанию является стохастическим. Компьютеры и процедуры, с помощью которых они решают проблемы, могут привнести неясные предубеждения. которые с анализом явно детерминированы — просто не преднамеренны. Простые, которые иллюстрируют проблему, становятся точными. Во многих случаях нам хотелось бы думать, что промежуточные значения точно правильные или, по крайней мере, округлены с использованием критериев, известных нам из математики.

На разных уровнях усечение — вместо округления — заставляет вычисляемые числа вписываться в предусмотренный для них переменный размер. Иногда это не имеет значения, но иногда вносит предубеждения. Может быть полезно использовать математическую процедуру и практику для активного управления сохраненным значением всех вычисляемых значений, чтобы механизм решения сохранял ожидаемую для них точность. Этому обычно учат на уроках программирования, и им часто пренебрегают, потому что понимание и управление точностью скучно и утомительно.

Иногда наблюдениям не хватает согласованности (например, из-за проблем с выборкой или синхронизацией) или надежной точности в момент измерения (например, из-за переходных нестабильностей). Часто есть способы очистить это (например, с помощью проверки границ, анализа данных и методов регрессии). Часто есть способы сделать что-то большее, чем раскрывается потоком данных, но многие из них предполагают догадки программиста о том, что может происходить. Будьте осторожны — хороший результат слишком важен, чтобы его отвергать априори , но неправильный результат может быть более разрушительным, чем ценность потенциального улучшения, которому он способствовал.

Иногда сама процедура решения, даже при соответствующем управлении точностью, может создавать проблемы. Предположим, мы хотим интегрировать потоковую функцию с этого момента и до бесконечности. Даже очень небольшие ошибки или неясности, незначительные в одном расчете, вырастают до астрономических величин. при непрерывном накоплении в течение длительных периодов времени. Это может быть перепутано с округлением и усечением и привести к несоответствию из-за постоянно предвзятой методологии измерения или интеграции. Со временем это может проявляться в огромных ошибках, например, в термине «I» ПИД-регулятора. Существуют процедуры контроля данных и управления точностью, а также математические способы подхода к проблеме для необходимого решения, которые решают эти проблемы, но путь к их обнаружению может быть затруднительным.

Иногда математика применяется к требованию без полного понимания проблемы, математики или того, для чего на самом деле предназначена математика. Например, иногда можно обнаружить ситуацию, а иногда полностью пропустить ее, используя ту же самую математику.